一种基于多尺度模糊熵的损伤识别方法及系统技术方案

本发明专利技术公开一种基于多尺度模糊熵的损伤识别方法及系统，涉及结构健康监测技术领域，方法包括：获取采集信号和基准信号的直达波信号；对直达波信号进行多尺度分析，得到各个尺度下的采集信号和基准信号；分别计算各个尺度下的采集信号和基准信号的模糊熵；依次将每一尺度下的采集信号的模糊熵减去对应尺度下的基准信号的模糊熵，得到各个尺度模糊熵差值；将各个尺度模糊熵差值的平方和作为传感网络中每一条激励传感路径的损伤因子；根据每一条激励传感路径的损伤因子，采用RAPID损伤概率成像法得到损伤成像图；根据损伤成像图确定待测结构有无损伤以及损伤的位置。本发明专利技术能在环境温度变化下实现损伤的准确定位。境温度变化下实现损伤的准确定位。境温度变化下实现损伤的准确定位。

【技术实现步骤摘要】
一种基于多尺度模糊熵的损伤识别方法及系统


[0001]本专利技术涉及结构健康监测
，特别是涉及一种基于多尺度模糊熵的损伤识别方法及系统。

技术介绍

[0002]飞行器在飞行过程中结构可能会产生损伤，采用结构健康监测技术可以对结构的健康状态进行监测，保障飞行器的安全。其中基于Lamb波的结构健康监测技术因其远距离传播和对传播路径附近的非均质结构具有高灵敏度特性，广泛应用于类板结构监测中。但是飞行器在高空飞行时，结构的温度和测试环境都会发生变化，导致压电传感器采集到的Lamb波信号与基准信号产生差异。由于除了损伤还有温度因素，结构健康状态的诊断会产生偏差。
[0003]为了尽可能减小温度变化对结构损伤识别的影响，早期提出的最优基准法、基准信号扩展法耗时长，计算量大。之后利用深度学习、协整、PCA降维等方法尝试提取出不受温度影响的信号特征，需要大量的训练数据样本及计算时间，难以应用于实际工程中。
[0004]针对上述问题，利用信号特征值进行RAPID(Reconstruction Algorithm for Probabilistic Inspection of Damage)损伤成像可以得到结构健康诊断结果，但是信号特征值对温度敏感，采用该信号特征值进行RAPID损伤成像不能在环境温度变化下达到较好的损伤识别效果，因此找到一个对温度不敏感、对损伤敏感的信号特征是解决温度对损伤识别影响的关键。然而无论是信号的时域特征或是频域特征，还是与基准信号之间的相关系数，均不能在环境温度变化下达到较好的损伤识别效果。
[0005]综上，如何得到对温度鲁棒性强且对损伤敏感度高的信号特征，避免或减小温度效应对损伤识别产生的干扰，以在环境温度变化下实现损伤的准确定位，成为本领域技术人员亟待解决的问题。

技术实现思路

[0006]本专利技术的目的是提供一种基于多尺度模糊熵的损伤识别方法及系统，从而在环境温度变化下实现损伤的准确定位。
[0007]为实现上述目的，本专利技术提供了如下方案：
[0008]一种基于多尺度模糊熵的损伤识别方法，所述方法包括：
[0009]获取采集信号的直达波信号和基准信号的直达波信号；所述采集信号为实时接收的待测结构的传感器信号；所述基准信号为待测结构在健康常温状态下接收的传感器信号；
[0010]对所述采集信号的直达波信号和所述基准信号的直达波信号进行多尺度分析，得到各个尺度下的采集信号和各个尺度下的基准信号；
[0011]分别计算所述各个尺度下的采集信号的模糊熵和所述各个尺度下的基准信号的模糊熵；每一尺度下的采集信号的模糊熵与对应尺度下的基准信号的模糊熵对应；
[0012]依次将所述每一尺度下的采集信号的模糊熵减去对应尺度下的基准信号的模糊熵，得到各个尺度模糊熵差值；
[0013]将所述各个尺度模糊熵差值的平方和作为传感网络中每一条激励传感路径的损伤因子；
[0014]根据所述每一条激励传感路径的损伤因子，采用RAPID损伤概率成像法得到损伤成像图；
[0015]根据所述损伤成像图确定待测结构有无损伤以及损伤的位置。
[0016]可选地，所述获取采集信号的直达波信号和基准信号的直达波信号，之前还包括：
[0017]获取采集信号和基准信号；
[0018]根据激励信号的中心频率对所述采集信号和所述基准信号进行小波变换，确定直达波的到达时间；
[0019]根据所述到达时间截取采集信号的直达波信号和基准信号的直达波信号。
[0020]可选地，所述对所述采集信号的直达波信号和所述基准信号的直达波信号进行多尺度分析，得到各个尺度下的采集信号和各个尺度下的基准信号，具体包括：
[0021]对所述采集信号的直达波信号进行多时间尺度的粗粒化处理，得到各个尺度下的采集信号；
[0022]对所述基准信号的直达波信号进行多时间尺度的粗粒化处理，得到各个尺度下的基准信号。
[0023]可选地，所述分别计算所述各个尺度下的采集信号的模糊熵和所述各个尺度下的基准信号的模糊熵，具体包括：
[0024]将所述各个尺度下的采集信号和所述各个尺度下的基准信号分别转换成m维向量空间中的向量；
[0025]计算m维向量空间中的两个所述向量的距离；
[0026]根据m维向量空间中的两个所述向量的距离，利用模糊隶属度函数得到m维向量空间中的两个所述向量之间的相似程度；
[0027]根据m维向量空间中的两个所述向量之间的相似程度得到m维向量空间中的任一所述向量与其余所述向量的相似概率；
[0028]将所有所述相似概率相加除以m维向量空间中的向量的总数，得到第一函数值；
[0029]将所述各个尺度下的采集信号和所述各个尺度下的基准信号分别转换成m+1维向量空间中的向量；
[0030]计算m+1维向量空间中的两个所述向量的距离；
[0031]根据m+1维向量空间中的两个所述向量的距离，利用模糊隶属度函数得到m+1维向量空间中的两个所述向量之间的相似程度；
[0032]根据m+1维向量空间中的两个所述向量之间的相似程度得到m+1维向量空间中的任一所述向量与其余所述向量的相似概率；
[0033]将所有所述相似概率相加除以m+1维向量空间中的向量的总数，得到第二函数值；
[0034]根据所述第二函数值与所述第一函数值的比值得到所述各个尺度下的采集信号的模糊熵和所述各个尺度下的基准信号的模糊熵。
[0035]可选地，所述根据所述每一条激励传感路径的损伤因子，采用RAPID损伤概率成像
法得到损伤成像图，具体包括：
[0036]计算传感网络中每一条激励传感路径上的损伤因子的值；
[0037]建立所述传感网络的离散坐标系；所述离散坐标系包括多个离散坐标点；
[0038]根据每一所述损伤因子的值得到每一条激励传感路径的每一离散坐标点的损伤概率值；
[0039]叠加所有激励传感路径的离散坐标点的损伤概率值，将损伤概率值最大处确定为损伤缺陷处；
[0040]将每一离散坐标点的所述损伤概率值作为像素值建立强度图，并对所述强度图进行图像归一化处理，得到损伤成像图；所述损伤成像图用于确定待测结构有无损伤以及损伤的位置。
[0041]本专利技术还提供了如下方案：
[0042]一种基于多尺度模糊熵的损伤识别系统，所述系统包括：
[0043]直达波信号获取模块，用于获取采集信号的直达波信号和基准信号的直达波信号；所述采集信号为实时接收的待测结构的传感器信号；所述基准信号为待测结构在健康常温状态下接收的传感器信号；
[0044]多尺度分析模块，用于对所述采集信号的直达波信号和所述基准信号的直达波信号进行多尺度分析，得到各个尺度下的采集信号和各个尺度下的基准信号；
[0045]模糊熵计算模块，用于分别计算所述各个尺度下的采集信号的模糊熵和所述各个尺度下的基准信号的模糊熵；每一尺度下的采本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多尺度模糊熵的损伤识别方法，其特征在于，所述方法包括：获取采集信号的直达波信号和基准信号的直达波信号；所述采集信号为实时接收的待测结构的传感器信号；所述基准信号为待测结构在健康常温状态下接收的传感器信号；对所述采集信号的直达波信号和所述基准信号的直达波信号进行多尺度分析，得到各个尺度下的采集信号和各个尺度下的基准信号；分别计算所述各个尺度下的采集信号的模糊熵和所述各个尺度下的基准信号的模糊熵；每一尺度下的采集信号的模糊熵与对应尺度下的基准信号的模糊熵对应；依次将所述每一尺度下的采集信号的模糊熵减去对应尺度下的基准信号的模糊熵，得到各个尺度模糊熵差值；将所述各个尺度模糊熵差值的平方和作为传感网络中每一条激励传感路径的损伤因子；根据所述每一条激励传感路径的损伤因子，采用RAPID损伤概率成像法得到损伤成像图；根据所述损伤成像图确定待测结构有无损伤以及损伤的位置。2.根据权利要求1所述的基于多尺度模糊熵的损伤识别方法，其特征在于，所述获取采集信号的直达波信号和基准信号的直达波信号，之前还包括：获取采集信号和基准信号；根据激励信号的中心频率对所述采集信号和所述基准信号进行小波变换，确定直达波的到达时间；根据所述到达时间截取采集信号的直达波信号和基准信号的直达波信号。3.根据权利要求1所述的基于多尺度模糊熵的损伤识别方法，其特征在于，所述对所述采集信号的直达波信号和所述基准信号的直达波信号进行多尺度分析，得到各个尺度下的采集信号和各个尺度下的基准信号，具体包括：对所述采集信号的直达波信号进行多时间尺度的粗粒化处理，得到各个尺度下的采集信号；对所述基准信号的直达波信号进行多时间尺度的粗粒化处理，得到各个尺度下的基准信号。4.根据权利要求1所述的基于多尺度模糊熵的损伤识别方法，其特征在于，所述分别计算所述各个尺度下的采集信号的模糊熵和所述各个尺度下的基准信号的模糊熵，具体包括：将所述各个尺度下的采集信号和所述各个尺度下的基准信号分别转换成m维向量空间中的向量；计算m维向量空间中的两个所述向量的距离；根据m维向量空间中的两个所述向量的距离，利用模糊隶属度函数得到m维向量空间中的两个所述向量之间的相似程度；根据m维向量空间中的两个所述向量之间的相似程度得到m维向量空间中的任一所述向量与其余所述向量的相似概率；将所有所述相似概率相加除以m维向量空间中的向量的总数，得到第一函数值；将所述各个尺度下的采集信号和所述各个尺度下的基准信号分别转换成m+1维向量空
间中的向量；计算m+1维向量空间中的两个所述向量的距离；根据m+1维向量空间中的两个所述向量的距离，利用模糊隶属度函数得到m+1维向量空间中的两个所述向量之间的相似程度；根据m+1维向量空间中的两个所述向量之间的相似程度得到m+1维向量空间中的任一所述向量与其余所述向量的相似概率；将所有所述相似概率相加除以m+1维向量空间中的向量的总数，得到第二函数值；根据所述第二函数值与所述第一函数值的比值得到所述各个尺度下的采集信号的模糊熵和所述各个尺度下的基准信号的模糊熵。5.根据权利要求1所述的基于多尺度模糊熵的损伤识别方法，其特征在于，所述根据所述每一条激励传感路径的损伤因子，采用RAPID损伤概率成像法得到损伤成像图，具体包括：计算传感网络中每一条激励传感路径上的损伤因子的值；建立所述传感网络的离散坐标系；所述离散坐标系包括多个离散坐标点；根据每一所述损伤因子的值得到每一条激励传感路径的每一离散坐标点的损伤概率值；叠加所有激励传感路径的离散坐标点的损伤概率值，将损伤概率值最大处确定为损伤缺陷处；将每一离散坐标点的所述损伤概率值作为像素值建立强度图，并对所述强度图进行图像归一化处理，得到损伤成像图；所述损伤成像图用于确定待测结构有无损伤以及损伤的位置。6.一种基于多尺度模糊熵的损伤识别系统，其特征在于，所述系统包括：直达波信号获取模块，用于获取采集信号的直达波信号和基准信号的直达波信号；所述采集信号为实时接收的待测结构的传感器信号；所述基准信号为...

【专利技术属性】
技术研发人员：张超，钱慧敏，全栋梁，陶翀骢，张宇鹏，裘进浩，季宏丽，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：